Google要搜索和跟踪你的声音（转帖）

                                                IT: Google要搜索和跟踪你的声音                                               

                                        matrix  发表于 2010年9月01日 14时32分 星期三                                           

                               
登录/注册后可看大图

                                                          

                               
登录/注册后可看大图

               
                来自Google目田部门       
                                                                                                                        

                               
登录/注册后可看大图

                                                               
                                        全世界的信息中有相当大部分是由声音构成，搜索巨人已经认识到了这一点，它正在开发语音识别和合成技术，并应用到各种服务上。领导Google的语音技术开发与产品应用的Mike Cohen介绍说，语音技术系统的基本架构：第一步是收到的声波分成每10毫秒一组、辨识其声音属性上的微妙差异，制作出声音的数字表现。接下来是困难的部分，将声音组对应英语中数十亿组声音组合（其它语言的程序类似，但对应组的数量各不相同）。Google的方法是分析声音的音质，识别出其“音素”...一个难题是背景噪音，另一个主要问题是语句的复杂度，此外还有腔调和方言，昵称、俚语和口齿不清、句子不完整等情况，都会混淆语音识别系统。

2010/09/01 13:44:01
Google 追尋自己的聲音
Michael Krigsman 原著

       
留下回應
               
                                 


領導Google的語音技術開發與產品應用的Mike Cohen，最近接受本站專訪時表示：「Google的使命是整理全世界的資訊，問題是，許多資訊都是用說的。」

Google要開發出適用行動運算和網路應用軟體的語音辨識技術。也就是，將重度運算交給資料中心，又能在硬體配備有限之網際網路和行動裝置上執行的簡單、好用的軟體。

電腦語音辨識已存在將近百年（1911年上市的Radio Rex玩具狗即可回應呼叫），但一直無法達到科幻電影中那種精細、靈敏和準確的程度。然而，Cohen相信，業界即將實現重大的突破。他說：「我們的目標是完全普及的語音輸入和輸出，任何可行的地方，我們都要提供非常優良的（語音辨識）。」

聽到你的聲音

2004年加入Google的Cohen，已在這個領域耕耘26年。他在Google的主要工作，是將先進的語音辨識和合成技術，應用到Google的各種服務上。

Cohen表示，目前主要的語音技術系統大都已確立其基本架構。第一步是收到的聲波分成每10毫秒一組、辨識其聲音屬性（抑揚頓錯）上的微妙差異，製作出那些聲音的數位呈現。接下來是困難的部份，將這些聲音組對應英語中數十億組聲音組合。（其他語言的程序相同，但對應組的數量各不相同。）

Cohen說：「這基本上就是一個大的統計模型。」Google的方法是分析聲音的音質，辨識出其「音素」（phoneme），這些音素如何組成個別的字，和文法如何將那些字構成句子。基本的方法各家公司大都相同，但Cohen自然認為Google有獨特的優勢。

時間和資料

語音辨識是一個極度運算密集的挑戰，即使簡單的語音指令，都需要許多運算資源來解讀。所幸，Google已累積了大量有關全球使用者的搜尋模式資料，和透過其書籍搜尋計畫所數位化的上千萬本圖文內容。這些資料都能用在語音辨識的處理。

因此，Cohen認為，Google能在更快的時間內提供更準確的結果，因為他們有能力消化龐大的新資料，並與較舊的資料進行比對。Google的最新成果展現在其Android行動作業系統，使用者只要按下一個麥克風鍵，即可用聲音搜尋網路，或啟動特定應用程式。

聲音障礙

然而，多數人都同意，現在仍沒有一家公司能提供真正可靠的語音辨識技術。問題究竟是什麼？

Cohen表示，眼前最根本的問題是背景噪音。行動使用者經常因為風聲、背景對話或車輛噪音，影響辨識系統的聲音接收。改善麥克風或許有助，但系統必須加強處理這類干擾的能力。另一個主要問題是預期使用者會說什麼字，並準確地合成句子，所涉及的複雜度。這不只是腔調和方言的問題，還有暱稱、俚語和口齒不清、句子不完整等情況，都會混淆最聰明的系統。

用語音搜尋的人通常會自動說出關鍵字或關鍵句，如「台北東區的餐廳」，這在預測和交叉比對上都相當有幫助。但語音郵件則完全無法預測，尤其是基於隱私保護，Google沒有保留這部份的資料庫。

儘管還有許多挑戰，不論內外，人們都開始期待Google的語音技術將實現長久以來的幻想。改變長期的輸入習慣需要一些時間，但我們已經看到有些人拋棄以往的電腦輸入方式（鍵盤和滑鼠），開始擁抱觸控和語音輸入。Cohen說：「我們不是要消滅既有的輸入方法，而是提供另一種選擇。」（陳智文/譯）